Todas las organizaciones están explorando cómo aprovechar el potencial de la IA para ser más eficientes y tomar mejores decisiones. El problema es que la mayoría de las conversaciones empiezan demasiado tarde, hablando primero de analítica avanzada y predicción cuando aún no se ha resuelto la capa anterior, que son los datos. Este webinar ORH, celebrado en colaboración con Nubhora, explica cómo construir la arquitectura de información más sólida para que el ROI esperado sea también el obtenido.
- La IA no crea información de la nada: aprende de los datos que le proporcionamos, y si esos datos son deficientes, sus predicciones también lo serán.
- El dato nace en la micro-operativa diaria —un marcaje, una solicitud, una aprobación—, no en los informes finales. Si el origen es defectuoso, el error se arrastra por toda la cadena de valor.
- No importa el número de herramientas que use la organización: lo crítico es que exista una única versión del dato, sin duplicados ni incongruencias entre áreas.
- Los sistemas de IA aplicados a selección, valoración de puestos o gestión del rendimiento son de alto riesgo según el Reglamento europeo de IA, y requieren transparencia algorítmica y participación de la representación legal.
- Antes de preguntar qué puede hacer la IA por la organización, la pregunta correcta es: «¿Estamos generando hoy los datos que necesitaremos mañana para decidir mejor?»
La IA tiene una condición previa: los datos
La estructura lógica es una pirámide: sin procesos fiables no hay datos fiables; sin datos fiables no hay analítica útil; sin analítica no hay IA con valor real.
El problema real: los datos dispersos
RR. HH. lleva décadas gestionando información de personas con herramientas heterogéneas que no se hablan entre sí. Como subrayó Susana Jiménez, el problema no es la ausencia de datos, sino su dispersión y falta de coherencia. Mientras el proceso funciona, nadie lo cuestiona; el error aflora cuando hace falta tomar una decisión y no hay una única versión del dato.
| Fuente de dispersión | Riesgo operativo | Riesgo estratégico |
|---|---|---|
| Hojas de cálculo (Excel / Google Sheets) | Versiones contradictorias que coexisten sin control de cambios | Ceguera estratégica: imposibilidad de construir una «versión única de la verdad» |
| Papel y archivos físicos | Imposibilidad de reacción en tiempo real | Opacidad absoluta ante la Inspección de Trabajo |
| Cadenas de correo electrónico | Información desestructurada y difícilmente auditable | Exposición regulatoria: incumplimiento RGPD y trazabilidad nula |
| Sistemas aislados (silos) | Duplicidad de costes y discrepancias entre RR. HH., Finanzas y Operaciones | Fricción que impide cualquier análisis transversal serio |
Dónde nace realmente el dato en RR. HH.
Tendemos a asociar los datos de personas con los informes y cuadros de mando, que son el producto final, pero el dato nace mucho antes, en la micro-operativa diaria, y si ese origen es defectuoso, el error se arrastra por toda la cadena de valor.
| Evento de origen | Qué genera | Qué impacta aguas abajo |
|---|---|---|
| Registro de jornada (marcaje) | Dato de tiempo de presencia | Cálculo de horas extras, nómina, planificación |
| Solicitud de vacaciones | Dato de ausencia planificada | Cobertura, coste de sustitución, calendario de equipo |
| Aprobación de ausencia | Dato validado con responsable y fecha | Trazabilidad de la decisión, auditoría posterior |
| Cambio de turno | Modificación del registro de tiempo | Si no se registra: desfase entre real y planificado |
| Trabajo en remoto | Dato de modalidad de jornada | Trazabilidad ante control de Inspección (RDL 28/2020) |
| Viaje profesional aprobado | Cadena personas — tiempo — gasto | Dietas, kilometraje, nómina, presupuesto de Finanzas |
Los cinco pilares del dato útil
No todos los datos tienen el mismo valor. Para que un dato operativo se convierta en información relevante para la toma de decisiones, debe cumplir cinco condiciones.
Del registro diario a la decisión estratégica
Mientras que un único registro aporta poca información, miles de registros bien capturados permiten identificar tendencias y anticipar necesidades. La diferencia entre administrar y gestionar está en esa transformación.
Cuando RR. HH. es capaz de hacer este recorrido de forma sistemática, deja de ser únicamente un área administrativa para adquirir capacidad real de aporte estratégico al negocio. Como señaló Maite Sáenz en el coloquio, también hay que aprender a leer el dato, no solo a recopilarlo, lo cual requiere una visión sistémica de lo que pasa en un departamento de personas y en la organización.
RR. HH. no decide solo: la visión conectada
Las decisiones sobre personas tienen impacto financiero, operativo y estratégico que va más allá del departamento. Cuando Finanzas trabaja con unos datos y RR. HH. con otros, aparecen discrepancias; cuando comparten una visión común, las decisiones son más ágiles y fiables.
Pongamos el caso de un viaje de trabajo: existe una planificación previa, una aprobación, una dedicación de tiempo, unos gastos (desplazamiento, dietas, kilometraje) y un impacto económico en nómina. Si cada pieza de esta cadena se gestiona en un sistema distinto sin integración, se pierde visibilidad presupuestaria y se generan ineficiencias administrativas. Cuando todo forma parte del mismo flujo, la decisión sobre ese viaje —y las futuras— se toma con información completa.
En cuanto a la pregunta de si es mejor centralizar todo en una única herramienta o mantener varias especializadas, lo relevante no es el número de plataformas, sino que exista una única versión del dato. Múltiples herramientas pueden coexistir si están perfectamente integradas y eliminan duplicados e incongruencias.
La capa normativa: lo que RR. HH. no puede ignorar
El coloquio de la sesión derivó hacia el marco regulatorio, que añade una dimensión de urgencia a toda la reflexión sobre calidad del dato.
| Marco normativo | Implicación para la gestión del dato |
|---|---|
| Reglamento de IA (Anexo III) | Los sistemas de selección, valoración de puestos y gestión del rendimiento son clasificados como de alto riesgo. Requieren transparencia algorítmica, registro de uso y, en la mayoría de casos, participación de los representantes legales de los trabajadores. |
| Obligaciones de alfabetización (Art. 4 Reglamento IA) | En vigor desde febrero de 2025. Las empresas que utilizan herramientas de IA para gestionar personas o tomar decisiones que les afectan deben garantizar la alfabetización de sus equipos. La Inspección de Trabajo pedirá demostración de cumplimiento. |
| RGPD — protección de datos desde el origen | Los datos de personas dispersos en correos, excels y sistemas no integrados dificultan la trazabilidad del consentimiento y la aplicación de las normativas de acceso, rectificación y supresión. Involucrar al DPO desde el inicio del diseño del sistema de datos es imprescindible. |
| Directiva de transparencia salarial | Sitúa la valoración de puestos y la estructura retributiva bajo escrutinio. El uso de IA en estos procesos amplía los derechos de información de sindicatos y representantes, que tienen acceso a los criterios algorítmicos empleados. |
El principal riesgo no es que la IA falle, sino que las organizaciones confíen en sus predicciones sin haber hecho el trabajo previo de saneamiento del dato. Como ilustró Susana Jiménez: igual que un GPS puede darte una ruta incorrecta y aún así la seguimos, también confiamos en las salidas de una IA que trabaja sobre datos deficientes, y cuando esas salidas afectan a personas, el margen para el error se cierra.
Por dónde empezar: palancas de acción inmediatas
«¿Estamos generando hoy los datos que necesitaremos mañana para decidir mejor?» Responder a esta pregunta no es decidir la tecnología a utilizar sino reflexionar sobre cómo está organizado el trabajo de RR. HH. hoy.
